EPrints Universitas Amikom YogyakartaPERBANDINGAN KINERJA ALGORITMA MACHINE LEARNING UNTUK PREDIKSI KESEHATAN MENTAL DI SEKTOR TEKNOLOGIMuhammad YusufAmirullohauthorSektor teknologi menghadapi kesenjangan operasional yang signifikan dalam pengelolaan kesejahteraan kesehatan mental tenaga kerja secara proaktif, yang disebabkan oleh stigma yang masih melekat terhadap upaya mencari perawatan. Penelitian ini bertujuan untuk memprediksi kecenderungan profesional teknologi dalam mencari dukungan kesehatan mental secara sukarela dengan memanfaatkan teknik machine learning. Dengan menganalisis lebih dari 1.200 respons dari OSMI Mental Health in Tech Survey, penelitian ini memodelkan pengaruh faktor demografis, manfaat di tempat kerja, serta aspek anonimitas terhadap perilaku pencarian perawatan. Tahapan prapemrosesan data dilakukan secara komprehensif, termasuk penerapan metode SMOTE untuk mengatasi ketidakseimbangan kelas serta evaluasi terhadap dua belas algoritma klasifikasi. Hasil penelitian menunjukkan bahwa algoritma Random Forest menghasilkan kinerja terbaik dengan tingkat akurasi sebesar 83,07% dan nilai F1-score sebesar 0,83, yang efektif dalam menangkap interaksi nonlinier pada data. Selain itu, model Random Forest secara signifikan mengungguli model dasar Decision Tree tunggal dengan peningkatan kinerja sekitar 7,6%, sehingga menegaskan pentingnya penggunaan metode ensemble dalam mengurangi varians model. Temuan ini menyoroti potensi analitik prediktif dalam membantu organisasi merancang intervensi kesehatan mental yang lebih terarah dan tetap menjaga privasi individu.004 Pemrosesan data dan ilmu komputer2026-02-19Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant EPrints Universitas Amikom Yogyakarta the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that EPrints Universitas Amikom Yogyakarta does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at EPrints Universitas Amikom Yogyakarta) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.